高岡智則
年齢：33歳 性別：男性 職業：Webディレクター（兼ライティング・SNS運用担当） 居住地：東京都杉並区・永福町の1LDKマンション 出身地：神奈川県川崎市 身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる） 血液型：A型 誕生日：1992年11月20日 最終学歴：明治大学・情報コミュニケーション学部卒 通勤：京王井の頭線で渋谷まで（通勤20分） 家族構成：一人暮らし、実家には両親と2歳下の妹 恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）
応答変数・とは？
「応答変数」とは、研究や実験の結果として変化して観測される変数のことです。英語では通常dependent variableと呼ばれ、分析の中心となる指標です。これに対して、変化の原因や条件を操作する変数を説明変数または独立変数といい、応答変数に影響を与えると考えられます。
この関係は、因果関係を探る際の基本です。例えば、植物の成長を研究する場合、日光の量を変えると成長がどう変わるかを見ます。このとき「植物の成長量」が応答変数で、日光の量が説明変数です。
なぜ応答変数が重要か
応答変数は研究の成果そのものだから、どの現象を説明し、どの予測を行うかを決める鍵になります。データ分析の手法（回帰、分散分析、機械学習など）は、応答変数を正しく予測したり、説明変数と応答変数の関係を明らかにするために使われます。
実務では、応答変数を正しく設定しないと、分析結果が意味を持たなくなったり、因果関係を誤って解釈してしまう危険があります。例えば「売上を上げるには広告費を増やせばよい」という仮説を検証する場合、売上が応答変数、広告費を説明変数として扱います。季節性やキャンペーンの影響など、他の要因をモデルに反映させることも大切です。
応答変数と説明変数の違いを図解する
| 用語 | 意味 |
|---|---|
| 応答変数 | 実験の結果として観測される変数。従属変数。 |
| 説明変数 | 結果に影響を与えると考える変数。独立変数。 |
身近な例で整理する
例1: 学校のテストの点数を予測する場合、テストの点数が応答変数、勉強時間と睡眠時間が説明変数です。説明変数の組み合わせが増えるほど、点数の予測精度が変わってきます。
例2: コーヒー（関連記事：アマゾンの【コーヒー】のセール情報まとめ！【毎日更新中】）の味を変える実験。温度と焙煎時間を変えると味の評価がどう変わるかを観察します。味の評価が応答変数、温度と焙煎時間が説明変数です。
データを扱うときのコツ
1) 研究目的を最初に決め、どの変数を応答変数にするかを明確にします。
2) すべての変数を整理し、説明変数は独立して操作できるものだけを含めます。
3) データを集める際には欠損データに注意し、適切な前処理を行います。
応答変数を見つける練習問題
問題: ある商品の売上を予測する研究で、月間広告費と競合の広告動向があるとします。どの変数が応答変数で、どの変数が説明変数かを整理してください。正解は「売上」が応答変数、広告費と競合情報が説明変数です。
応答変数の同意語
- 従属変数
- 統計学や機械学習で、説明変数（独立変数）の影響を受けて変化する、モデルが予測対象とする変数。数式ではしばしばYで表される。
- 被説明変数
- 説明変数によって説明される側の変数。回帰分析などで“被説明変数”として扱われ、モデルの予測対象になる。
- 依存変数
- 他の変数に依存して値が決まる変数。文脈によっては従属変数とほぼ同義として使われる。
- 目的変数
- 機械学習や統計分析で、予測・推定の対象となる変数。モデルの出力を指すことが多い。
- 出力変数
- 機械学習のデータセットで、モデルが予測して返すべき変数。実務では最終的な予測値を指すときに使われる。
- Y変数
- 被説明変数をアルファベットのYで表すときの略称。数式・データ処理の際に頻繁に登場する。
- 反応変数
- “応答変数”の別表現として使われることがある語。語感としては同義ですが、使われる場面は少なめ。
応答変数の対義語・反対語
- 説明変数
- 応答変数を説明・予測するために用いられる変数。独立変数とも呼ばれる。
- 独立変数
- 他の変数に影響を与えると考えられる変数。従属変数（応答変数）とは反対の側に位置づけられ、モデルの入力として扱われる。
- 入力変数
- モデルへ入力として用いられる変数。応答変数の対になる概念として扱われることが多い。
- 特徴量
- 機械学習で入力として使われる変数。説明変数とほぼ同義で用いられることが多い。
- 予測変数
- 統計・機械学習で、応答変数を予測する際に用いられる変数。説明変数の別名として使われることがある。
- 予測因子
- 特定の結果を予測するのに役立つ変数。説明変数と同義で使われることがある。
- 因果変数
- 因果関係の説明に使われる変数。独立変数と同義で用いられることがある。
応答変数の共起語
- 従属変数
- 分析・推定の対象となる、応答変数の別称。
- 目的変数
- モデルが予測・推定する変数。応答変数と同義で使われることが多い。
- 説明変数
- 応答変数を説明・推定する根拠となる変数。
- 独立変数
- 説明変数の別称。操作実験で変動を与える要因として扱われることが多い。
- ロジスティック回帰
- 応答変数が二値またはカテゴリのときに用いる回帰分析の一種。
- 線形回帰
- 応答変数と説明変数の関係を直線で近似する基本的な回帰分析手法。
- 多変量回帰
- 複数の説明変数を同時に用いて応答変数を予測する回帰分析。
- 非線形回帰
- 説明変数と応答変数の関係が直線で近似できない場合の回帰分析。
- 最小二乗法
- 残差の二乗和を最小化して回帰係数を推定する代表的手法。
- 最尤推定
- 尤度を最大化してパラメータを推定する一般的な推定法。
- 回帰係数
- 各説明変数が応答変数へ与える影響の大きさを表す係数。
- 偏回帰係数
- 重回帰分析における各説明変数の独立効果を表す係数。
- 残差
- 予測値と実測値の差。モデルの適合度を評価する基礎。
- 決定係数
- R^2。モデルがデータをどれだけ説明できるかを示す指標。
- 決定係数(R^2)
- 回帰モデルの説明力を表す代表的指標（R平方）
- AIC
- 情報量規準の一種。モデルの適合度と複雑さのバランスを評価。
- BIC
- 情報量規準の一種。サンプルサイズを考慮したモデル選択指標。
- RMSE
- 予測誤差の平方根平均。モデルの予測精度を直感的に表す。
- MSE
- 予測誤差の平均二乗。
- 信頼区間
- 推定値の不確実性を示す区間。
- p値
- 統計的検定における有意性を示す指標。
- 仮説検定
- 仮説の真偽をデータで検証する手法。
- 正規性
- 残差が正規分布に従うという前提。
- 等分散性
- 残差の分散が観測水準全体で一定である前提。
- 観測値
- 実測データの個々のデータ点。
- データセット
- 分析対象のデータの集合。
- データ前処理
- 欠測値処理、スケーリング、変換など、分析前の準備作業。
- 欠測データ処理
- 欠測値をどう扱うかの方法（削除、補完など）。
- 標準化
- 変数を平均0、分散1に揃える前処理。
- 正規化
- データを0-1の範囲などにスケールする処理。
- 散布図
- 応答変数と説明変数の関係を視覚化する基本グラフ。
- 回帰分析
- 応答変数と説明変数の関係を解析する総称。
- 実験計画
- DOE。実験の設計・計画を組織する方法。
- 因子
- 実験計画で操作する要因となる説明変数。
- データ分布
- データが従う確率分布の概念。
- 予測
- 未知の応答値を推定すること。
- 予測値
- 回帰モデルが出力する推定された応答値。
- モデル
- 統計モデル、回帰モデルなど、データを説明・予測する枠組み。
応答変数の関連用語
- 応答変数
- 分析で予測・説明の対象となる変数。実験結果として観測される出力値。
- 従属変数
- 応答変数の別名。分析が説明しようとする変数。
- 目的変数
- 機械学習・統計分析で予測したい変数。yとして表記されることが多い。
- 説明変数
- 応答変数を説明する要因となる変数。モデルの入力。
- 独立変数
- 説明変数の別名。外部から独立に変化する変数として扱われることが多い。
- 入力変数
- モデルに与える変数。説明変数と同義で使われることが多い。
- 予測変数
- 未来の値を予測する際に用いる入力要素。
- ターゲット変数
- 機械学習で予測対象となる変数。
- ラベル変数
- 分類問題の正解を表す変数。応答変数の別名として使われる。
- カテゴリ変数
- カテゴリカル（質的）変数。値が離散的なカテゴリ。
- カテゴリカル変数
- 質的カテゴリを表す変数。例: 性別、色など。
- 質的変数
- カテゴリやクラスを表す変数。
- 量的変数
- 数値で量れる変数。
- 連続変数
- 取りうる値が連続的な量的変数。
- 離散変数
- 取りうる値が有限または整数の量的変数。
- ダミー変数
- カテゴリ変数を0/1などの数値に変換した変数。
- ダミー変数化
- カテゴリ変数を複数のダミー変数として表現する処理。
- 線形回帰
- 応答変数と説明変数の間に線形関係を仮定する最も基本的な回帰モデル。
- ロジスティック回帰
- 応答変数がカテゴリ（特に二値）の場合に用いられる回帰モデル。
- 回帰係数
- 説明変数が応答変数に与える影響の大きさを表す係数。
- 切片
- 回帰直線のy切片。予測の基準値。
- 残差
- 観測値とモデルの予測値の差。モデルの適合度を評価する要素。
- 最小二乗法
- 残差平方和を最小化して係数を推定する代表的な推定法。
- 分散分析
- 複数のグループの応答変数の平均差を検出・検定する手法（ANOVA）。
- 多重共線性
- 説明変数同士が高い相関を持つ状態。推定の不安定さを招く。
- 決定係数(R^2)
- モデルがデータの変動をどれだけ説明できるかを示す指標。
- RMSE
- 予測値と実測値の差の二乗平均の平方根。誤差の指標。
- MAE
- 予測値と実測値の絶対誤差の平均。
- 尤度
- データが観測される確率の大きさ。パラメータ推定の根拠。
- 仮説検定
- 応答変数の差や関係が偶然かどうかを評価する統計的検定（例: t検定、F検定）。
- t検定
- 2つの群の平均値の差が偶然かを評価する検定。
- F検定
- 分散分析などで複数要因の効果を検定する検定。
- 正規性の仮定
- 残差が正規分布に従うと仮定する前提。
- 実験デザイン
- 応答変数を測定するための条件配置・グルーピングの計画。
- 過学習
- モデルが訓練データに過剰適合し、新しいデータで性能が落ちる現象。
- 訓練データ
- モデルを学習させるためのデータセット。
- 検証データ
- モデルの性能を評価するためのデータセット（ハイパーパラメータ調整用）。
- テストデータ
- 最終的な性能評価を行うためのデータセット。
応答変数のおすすめ参考サイト
- 応答変数と予測変数とは - Support - Minitab
- 説明変数とは｜リサーチ マーケティング用語集 - Freeasy
- 目的変数とは｜リサーチ マーケティング用語集 - Freeasy
- 回帰分析における目的変数とは？ - AVILEN
- 応答変数とは何か - 統計を簡単に学ぶ
学問の人気記事
